医学 AI

Predicting Metastatic Risk from Primary Cancer Tissue Architecture via Distance-Aware Spatial Modeling

通过距离感知空间建模从原发组织架构预测转移风险

Sandesh Pokhrel, Hamid Manoochehri, Beatrice S Knudsen, Tolga Tasdizen

机构 * Department of Electrical and Computer Engineering, University of Utah（犹他大学电气与计算机工程系） ； Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） ； Department of Pathology, University of Utah（犹他大学病理学系） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 提出DTMf-MIL方法，通过符号距离函数显式建模肿瘤微环境的空间几何结构，在转移风险预测任务上显著优于忽略空间布局的现有方法。

Constrained Group Relative Policy Optimization

带约束的群体相对策略优化

Roger Girgis, Rodrigue de Schaetzen, Luke Rowe, Azalée Robitaille, Christopher Pal, Liam Paull

机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。

Comments 16 pages, 6 figures

Responsible Integration of AI in Cancer Genomics: Barriers, Risks, and Pathways to Trustworthy Clinical Translation

负责任地将人工智能整合到癌症基因组学中：障碍、风险及实现可信赖临床转化的路径

Bahar İlgen, Yiannos Tolias, Denise Kühnert, Paraskevi Papadopoulou, Magnus Westerlund, Dominik Heider, Katharina Ladewig, Georges Hattab

机构 * Robert Koch Institute（罗伯特·科赫研究所） ； European Commission（欧洲委员会） ； Deree-The American College of Greece（希腊 Deree 美国学院） ； Åbo Akademi University（奥布学术大学） ； Arcada University of Applied Sciences（阿卡达应用科学大学） ； University of Münster（明斯特大学） 纠错

专题命中 病理影像 ：biomedical(abstract)

AI总结 本综述分析AI与NLP在癌症基因组学临床转化中的障碍，提出应对四大相互关联失败领域的框架与路线图，强调需从系统层面解决问题而非仅提升模型能力。

Comments Review article

From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction

从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流

Daniel Kang, Michelle Hu, Soorya Ram Shimgekar, Shayan Vassef, Yufan Wang, Anit Kumar Sahu, Munmun De Choudhury, Vedant Das Swain, Christian Poellabauer, Li Yan Khor, Koustuv Saha, Robert Wojciechowski, Elliot Kidd, Piyum Zonooz, Navin Kumar

机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens 纠错

专题命中 病理影像 ：diagnosis(abstract)

AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。

Is Multimodal Speculative Decoding Ready for Diffusion-Based Parallel Drafting? A Survey and Empirical Diagnosis

多模态推测解码是否适用于基于扩散的并行草稿生成？一项调查与实证诊断

Yantao Li, Huanlin Gao, Fang Zhao, Chao Tan, Qiang Hui, Shuting Liu, Fuyuan Shi, Ting Lu, Shaoan Zhao, Xueqiang Guo, Xinpei Su, Jianbing Zhang, Xinyu Dai, Kai Wang, Shiguo Lian

机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院） ； Unicom Data Intelligence, China Unicom（中国联通数据智能） 纠错

专题命中 医疗多模态 ：diagnosis(title)

AI总结 本文通过调查多模态模型并开展跨架构实证研究，探究多模态推测解码是否适用于基于扩散的并行草稿生成，提出统一分类法并分析现有方法的局限性与未来方向。

Partition-Aware Unlearning for Removing Spurious Correlations in Large Vision-Language Models

用于移除大型视觉语言模型中虚假关联的感知分区式遗忘

Aditi Sarker, Nazreen Shah, Rafi Ibn Sultan, Rhongho Jang, Dongxiao Zhu, Prashant Khanduri

机构 * Wayne State University（韦恩州立大学） ； IIIT Delhi（德里印度信息技术学院） ； Institute for AI and Data Science (AIDaS), Wayne State University（韦恩州立大学人工智能与数据科学研究所） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本研究提出PURGE框架，通过结构化数据集构建和感知分区式遗忘，减少大型视觉语言模型的虚假关联诱导错误，同时保持或提升整体性能。

Comments 35 pages, 11 figures

Uncertainty-Aware Multimodal Anti-UAV Detection via Evidential Fusion and Conflict-Discounted Belief Aggregation

基于证据融合与冲突折扣信念聚合的不确定性感知多模态反无人机检测

Sharanda Suttorp, Seyed Sahand Mohammadi Ziabari, Ali Mohammed Mansour Alsahag

机构 * University of Amsterdam（阿姆斯特丹大学） ； SUNY Empire State University（纽约州立大学帝国州立大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.CV

AI总结 针对现有多模态反无人机检测未建模不确定性的问题，本文扩展EDTC提出DBF方法实现多模态融合，在Anti-UAV基准上达到0.670准确率、至少38 FPS，校准良好但定位失败检测能力弱于空间方差。

HalluPrism: When Multimodal Uncertainty Should Diagnose, Not Decide

HalluPrism：多模态不确定性应用于诊断而非决策

Aman Prakash, Sourish Dasgupta, Tanmoy Chakraborty

机构 * Indian Institute of Technology Delhi（德里印度理工学院） ； Dhirubhai Ambani University（德鲁巴伊·安巴尼大学） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)；分类 cs.LG

AI总结 该研究提出HalluPrism，通过视觉扰动敏感性等三维特征诊断多模态大语言模型的失败类别，提升了失败检测的AUROC，明确多模态不确定性应先诊断再决策。

Comments Accepted to Findings of EMNLP 2026. 52 pages, 1 figure, 46 tables

MVC-Bench: Benchmarking Calibration of Medical Vision-Language Models

MVC-Bench：医学视觉-语言模型的校准基准测试

Ashshak Sharifdeen, Shihab Aaqil Ahamed, Ufaq Khan, Muhammad Akhtar Munir, Sujair Ibrahim, Mohamed Rafeek Mareer Ahamed, Yutong Xie, Imran Razzak, Muhammad Haris Khan

机构 * Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； Sabaragamuwa University of Sri Lanka（斯里兰卡萨巴拉加穆瓦大学） ； Digital Platform Development, SLT PLC（SLT公共有限公司数字平台开发部） 纠错

专题命中 医疗多模态 ：medical image(abstract)；分类 cs.CV

AI总结 该研究针对医学视觉-语言模型校准不足的问题，提出以校准为核心的基准MVC-Bench，通过多维度评估并提出MCM正则化方法，为医疗工作流提供校准改进指导。

Comments Accepted in EMNLP 2026 Findings

Where Do Multilingual Vision-Language Encoders Fail on Low-Resource Languages?

多模态视觉-语言编码器在低资源语言上的失效位置

Donghoon Han, SungHyun Moon, Aidyn Zhakatayev, Junghun Cha, SeungJae Lee

机构 * Dnotitia Inc.（Dnotitia公司） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文针对多模态视觉-语言编码器在低资源语言上的检索性能差距，发现其源于序列结束符隐藏状态的语言轨迹随深度发散，通过调整序列结束符可显著提升低资源语言检索性能，且不损害高资源语言表现。

Co-Annotator: Expert-Distilled ViT and VLM for Visual and Documentation Guidance in Age-Related Macular Degeneration

Co-Annotator：用于年龄相关性黄斑变性视觉与文档指导的专家蒸馏ViT及VLM

Ziheng "Leo" Li, Benjamin Freeman, Akshay Raman, Kavin Aravindhan Rajkumar, Xinxin Fang, Rishabh Srivastava, Steven Feiner, Kaveri A. Thakoor

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 医疗多模态 ：clinical AI(abstract)

AI总结 本研究提出Co-Annotator，将专家注视与口述提炼为AOI指导的ViT和生物标志物预填充的VLM，在AMD诊断中联合应用可显著提升效率且不降低准确率。

Comments 23 pages, 11 figures. To appear in UIST '26: Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology, November 02-05, 2026, Detroit, MI, USA. DOI: 10.1145/3830398.3830722

When Models Hear What They Expect: Diagnosing Prosodic Heuristics in Multimodal Sarcasm Detection

当模型“听到”它们所期待的：诊断多模态讽刺检测中的韵律启发式算法

Yongjian Chen, Pengfei Wei, Yiqun Sun, Zhu Li, Lawrence B. Hsieh

机构 * Magellan Technology Research Institute (MTRI)（麦哲伦技术研究所（MTRI）） ； Center for Language and Cognition, University of Groningen（格罗宁根大学语言与认知中心） 纠错

专题命中 医疗多模态 ：diagnosis(abstract)

AI总结 本文以讽刺检测为切入点，评估Qwen2.5-Omni等多模态大语言模型，发现模型依赖音高升高、停顿不规则的韵律刻板印象，操控该维度可使假阳性率达60%，且该效应可跨模型复现。

Comments Accepted to EMNLP 2026 Findings

Quantitative Evidence Mining for Plausibility-Aware Biomedical AI

面向可信度感知生物医学AI的定量证据挖掘

Negin Sadat Babaiha, Stefan Geissler, Marie-Christine Simon, Martin Hofmann-Apitius, Marc Jacobs

专题命中 生物医学文本 ：biomedical(title,abstract)；medical AI(title)

AI总结 该研究针对生物医学AI证据提取的缺陷，提出定量证据挖掘框架，将提取的主张作为可审计证据对象，以构建可信度感知AI。

En-ViMedNER: An English-Vietnamese Parallel Biomedical Corpus with UMLS Semantic Type Annotations

En-ViMedNER：带有UMLS语义类型标注的英越双语生物医学语料库

Nhu Vo, Phuong Nguyen, Nu Uyen Phuong Le, Inigo Jauregi Unanue, Dung D. Le, Massimo Piccardi, Wray Buntine

机构 * College of Engineering and Computer Science, VinUniversity（VinUniversity工程与计算机科学学院） ； Faculty of Engineering and IT, University of Technology Sydney（悉尼科技大学工程与信息技术学院） ； Center for AI Research, VinUniversity（VinUniversity人工智能研究中心） ； Monash University, Australia（莫纳什大学） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；healthcare AI(abstract)

AI总结 本文提出首个带UMLS语义类型标注的英越双语生物医学NER语料库En-ViMedNER，经多环节构建后在两类NER任务中取得F1值结果，相关资源公开发布以推动越南语生物医学NLP研究。

Comments To appear in Proceedings of EMNLP2026

The Signal in the Noise: An Auditable Reliability Layer for Biomedical Text Classification

噪声中的信号：面向生物医学文本分类的可审计可靠性层

Moustafa Yehia Hassan, Sharon Wong, Woh Kai Xuan

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG

AI总结 针对生物医学文本分类中PDF解析引入的噪声，提出保守可审计的拼写纠正可靠性层，弃权（不执行）不确定编辑，可恢复约80.45%的噪声导致的macro-F1下降，保持接近干净的分类性能。

Comments 6 pages. Accepted at the 2026 14th International Conference on Bioinformatics and Computational Biology (ICBCB 2026), Kitakyushu, Japan; to appear in IEEE Conference Proceedings (IEEE Xplore). Code: https://github.com/MoustafaMohamedMoustafaHassan/the_signal_in_the_noise_CORD19_project

Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation

用于检索增强生成中生物医学信息抽取的可配置语义分块

Riya Ahuja, Tim Kacprowski, Roya Shiasi Sardoabi

机构 * Institute of Data Science in Biomedicine, Technische Universität Braunschweig（布伦瑞克工业大学生物医学数据科学研究所） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 针对 BioMedRAG 固定大小分块割裂语义证据的问题，提出可配置语义分块框架，替换其分块构建阶段，在 GM-CIHT 上 F1 值提升 8.4 个百分点，为生物医学 RAG 提供可解释适配方案。

Comments 9 pages, 7 tables

AdaPath: Query-Adaptive Path-Finding via Path-Bank for Multi-Hop Implicit Biomedical KGQA

AdaPath：基于路径库的查询自适应路径查找用于多跳隐式生物医学知识图谱问答

Jun Hyeong Kim, Dongki Kim, Yinhua Piao, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)

AI总结 本文针对生物医学KGQA的两个挑战，提出AdaPath框架，通过Path-Bank检索查询自适应元路径，发布BioStrat-QA基准，在多个生物医学KGQA基准上性能优于基线。

Comments 25 pages, 6 figures, 30 tables

Journal ref EMNLP 2026 Main Conference

Graph Evidence Is Not Enough: Diagnosing Native Decoder Use in Graph-Augmented LLMs

仅靠图证据是不够的：诊断图增强大型语言模型中的原生解码器使用情况

Xiaoyu Guo, Pengcheng Chen, Jiong Yu, Yi Lu, Yaohua Wang, Ziyang Li

专题命中 生物医学文本 ：biomedical(abstract,abstract_cn)；diagnosis(abstract)

AI总结 该研究针对图增强LLM检验图证据可被原生解码器使用的假设，通过HopQA诊断任务发现现有模型无法有效利用图证据，提出S²GE方法在多个数据集上大幅提升性能，并揭示了相关 regimes。

Comments 18 pages, 4 figures, ccepted at EMNLP 2026 (Main Conference)

Deploying DeepSeek 175B Locally on a Single Consumer-Grade RTX 4060 Laptop with 32GB RAM for 200k-Scale Protein-Ligand Virtual Screening

在配备32GB内存的单台消费级RTX 4060笔记本电脑上本地部署DeepSeek 175B，开展20万规模的蛋白-配体虚拟筛选

Rui Xiao, Yili Xu

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究提出低资源框架，在单台消费级RTX 4060笔记本本地部署DeepSeek 175B，完成20万规模蛋白-配体虚拟筛选，满足药物发现精度要求，为早期药物发现建立低门槛范式。

MolGA: Molecular Graph Adaptation with Pre-trained 2D Graph Encoder

MolGA：基于预训练2D图编码器的分子图适应

Xingtong Yu, Chang Zhou, Xinming Zhang, Yuan Fang

机构 * Singapore Management University（新加坡管理大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.LG

AI总结 本研究提出MolGA，通过分子对齐策略与条件适应机制，将预训练2D图编码器适配至下游分子应用，经11个公开数据集验证了其有效性。

OntoAligner-Ensemble: Voting-Based Fusion across Heterogeneous Ontology Alignment Techniques

OntoAligner-Ensemble：基于投票的异构本体对齐技术融合

Hamed Babaei Giglou, Sören Auer, Peio Popov, Mahsa Sanaei, Jennifer D'Souza

机构 * TIB Leibniz Information Centre for Science and Technology（莱布尼茨科学与技术信息中心） ； L3S Research Center, Leibniz University of Hannover（汉诺威莱布尼茨大学L3S研究中心） ； Graphwise ； University of Tabriz（大不里士大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究提出OntoAligner-Ensemble框架，通过两阶段投票融合策略整合异构OA对齐器，经OAEI八任务验证，可提升精确率-召回率平衡，为OA提供实用集成选择指导。

Comments 14 pages, 1 figure, accepted for OM-2026 workshop at ISWC 2026

When Does Bigger Help? A Controlled Study of LLM Scale for Ontology Learning

更大的模型何时有用？针对本体学习的大语言模型规模的对照研究

Hamed Babaei Giglou, Sören Auer, Jennifer D'Souza

机构 * TIB Leibniz Information Centre for Science and Technology（莱布尼茨科学与技术信息中心（TIB）） ； L3S Research Center（L3S研究中心） ； Leibniz University of Hannover（汉诺威莱布尼茨大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 该研究对照评估13个LLM后发现，模型规模并非本体学习的充分选择标准，架构和系列影响更大，为LLM辅助本体工程提供实证指导。

Comments 14 pages, 1 figure, and 5 tables. WOP 2026 workshop at ISWC 2026

Engaging the scientific community in high-quality biocuration: a report on the International Society for Biocuration workshop, 'Maximizing community curation for the benefit of all'

让科学界参与高质量生物数据整理：国际生物数据整理学会研讨会报告——“最大化社区数据整理以造福所有人”

Daniela Raciti, Susan L. M. Coort, Christian Grove, Jade Hotchkiss, Matt Jeffryes, Nancy T. Li, Zhiyong Lu, Bastien Molcrette, Sushma Naithani, Maria Victoria Nugnes, Jolene Ramsey, Rene Ranzinger, Leonore Reiser, Karen E. Ross, Garrett Stevens, Courtney Thaxton, Sabrina Toro, Valerie Wood, Karen Yook, Kimberly Van Auken

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文介绍了国际生物数据整理学会举办的研讨会，评估社区数据整理现状，探讨推动其成为生物资源维护标准实践的通用方法与工具。

Comments 26 pages, 7 tables. Preprint intended for publication in a journal

3D Uncertainty Quantification for Photoacoustic Tomography

光声层析成像的三维不确定性量化

Babak Maboudi Afkham, Amal Mohammed A Alghami, Hassan Yazdanian, Tanja Tarvainen

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 研究光声层析成像的三维不确定性量化问题，提出有限元贝叶斯UQ框架，将RTO采样策略重构成无矩阵算法，通过构建特殊伴随离散化实现高效求解，经多种方法验证，可扩展到线性PDE约束反问题。

Dissipation-Reliability Tradeoff for Stochastic CMOS Bits in Series

CMOS比特在串联中的耗散-可靠性权衡

Cathryn P. Murphy, Schuyler B. Nicholson, Nahuel Freitas, Emanuele Penocchio, Todd R. Gingrich

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种通过将多个CMOS单元串联来抑制比特翻转误差的方法，分析了偏置电压与链长对可靠性及耗散的影响。

Comments Expanded from a letter to a full article; 13 pages, 5 figures

Desynchronization Index: a New Connectivity Approach for Exploring Epileptogenic Networks

Federico Mason, Lorenzo Ferri, Lidia Di Vito, Lara Alvisi, Luca Zanuttini, Matteo Martinoni, Roberto Mai, Francesco Cardinale, Paolo Tinuper, Roberto Michelucci, Elena Pasini, Francesca Bisulli

专题命中 生物医学文本 ：biomedical(comments,journal_ref)；分类 q-bio、eess.SP

Comments This manuscript has been accepted for publication in Biomedical Signal Processing and Control

Journal ref Biomedical Signal Processing and Control, Volume 127, Part B, 2026, 111166

Fast 360-Degree 3D Metrology for Directed Energy Deposition

用于定向能量沉积的快速360度三维计量

James Taylor, Jiazhang Wang, Guanzhong Hu, Zihan Chen, Rowan Rolark, Jian Cao, Ping Guo, Florian Willomitzer

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 针对定向能量沉积（DED）现有三维监测的不足，提出单镜头多视图偏振条纹投影轮廓术（FPP）系统，实现360度快速三维计量，深度精度优于60μm，可用于DED的实时原位层间监测。

Comments 12 pages, 10 figures

Personalized Heart Disease Detection via ECG Digital Twin Generation

Yaojun Hu, Jintai Chen, Lianting Hu, Dantong Li, Jiahuan Yan, Haochao Ying, Huiying Liang, Jian Wu

专题命中 健康监测 ：diagnosis(abstract)；分类 cs.LG、eess.SP

Journal ref IJCAI2024

ECGQuest: Benchmarking and Fine-Tuning Language Models for Electrocardiography

ECGQuest：用于心电图的语言模型基准测试与微调

Mohammadsina Hassannia, Matthew A. Reyna, Reza Sameni

机构 * Emory University（埃默里大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 健康监测 ：diagnosis(abstract)

AI总结 该研究开发了ECGQuest基准数据集，对语言模型进行ECG知识的零样本评估与微调，发现参数高效微调可让小模型与大商业模型竞争，通用模型在ECG任务中优于医学专用模型。

BioDivergence: A Benchmark and Evaluation Framework for Hidden Contextual Contradictions in Biomedical Abstracts

BioDivergence：生物医学摘要中隐藏上下文矛盾的基准与评估框架

Elias Hossain, Sanjeda Sara Jennifer, Sabera Akter Bushra, Niloofar Yousefi

机构 * College of Engineering and Computer Science, University of Central Florida（中佛罗里达大学工程与计算机科学学院） ； Burnett School of Biomedical Sciences, University of Central Florida（中佛罗里达大学伯内特生物医学科学学院） 纠错

专题命中 医学数据与评测 ：biomedical(title,abstract)

AI总结 提出BioDivergence框架，通过六类冲突分类、13轴分歧本体和结构化输出，解决现有NLI基准无法捕捉生物医学研究中上下文依赖的差异问题，并发布包含11865个声明对的基准数据集。

Comments The authors have decided to withdraw this manuscript because substantial revisions to the study design, analysis, and presentation are needed before the work is suitable for public dissemination. A revised version may be submitted separately after these issues have been fully addressed